奇书网

第四节 文本情绪分析（第4页）

ih=ih））

&M（ret_a=&qumoid"，

a="sigmoid"，units=50））

model。add（Dropout（0。5））

model。add（Dense（1））

&ivation（'sigmoid'））

print（"pilingtheModel。。。"）

model。pile（loss='binary_tropy'，

optimizer='adam'，metrics=['accuracy']）

print（"Train。。。"）

&rain，y_train，batch_size=batch_size，epo_epoch，

verbose=1，validation_data=（x_test，y_test））

#对模型进行评价并打印显示评价结果

prie。。。"）

loss，accuracy=model。evaluate（x_test，y_test，batch_size=batch_

size）

#把模型保存到lstm。h5文件中，并打印最终训练结果的损失和精度

model。save（'lstm。h5'，overwrite=True）

print（"nLoss：%。2f，Accuracy：%。2f%%"%（loss，accuracy*100））

#定义函数调用train_lstm用来训练网络并保存训练结果

&rain（）：

print（"LoadingData。。。"）

bined，y=loadfile（）

print（len（bined），len（y））

print（"Tokenising。。。"）

biokenizer（bined）

print（&quaWord2vecmodel。。。"）

&，word_vebined=word2vebined）

print（"SettingupArraysforKerasEmbeddi;）

n_symbols，embeddirain，y_trai

&a（i，word_vebined，y）

print（x_trairain。shape）

train_lstm（n_symbols，embeddirain，y_trai，

&）

#定义函数，对句子进行分词并调用词向量转换成向量格式

#这个函数用于训练完毕后的测试，在测试模块中调用此函数

#定义在训练模块是因为需要使用此模块中的创建词典函数